Kunstig intelligens guider hurtig datadrevet udforskning af undervandshabitater

Forskere ombord på Schmidt Ocean Institutes forskningsfartøj Falkor brugte autonome undervandsrobotter, sammen med instituttets fjernbetjente køretøj (ROV) SuBastian, at erhverve 1,3 millioner billeder i høj opløsning af havbunden ved Hydrate Ridge, komponerer dem til den største kendte højopløselige farve 3D-model af havbunden. Brug af uovervågede klyngealgoritmer, de identificerede dynamiske biologiske hotspots i billeddataene til mere detaljerede undersøgelser og prøveudtagning af et fjernbetjent køretøj.

En nylig ekspedition ledet af Dr. Blair Thornton, besidder Associate Professorships ved både University of Southampton og Institute of Industrial Science, universitetet i Tokyo, demonstreret, hvordan brugen af ​​autonom robotik og kunstig intelligens til søs dramatisk kan accelerere udforskningen og undersøgelsen af ​​svært tilgængelige dybhavsøkosystemer, som intermitterende aktiv metan siver. Takket være hurtig dataanalyse med høj kapacitet til søs, det var muligt at identificere biologiske hotspots ved Hydrate Ridge-regionen ud for Oregons kyst, hurtigt nok til at undersøge og prøve dem, inden for dage efter billedundersøgelsen af ​​Autonomous Underwater Vehicles (AUV). Holdet ombord på forskningsfartøjet Falkor brugt en form for kunstig intelligens, uovervåget klyngedannelse, at analysere AUV-erhvervet havbundsbilleder og identificere målområder for mere detaljerede fotogrammetriske AUV-undersøgelser og fokuseret interaktiv hotspot-sampling med ROV SuBastian.

Dette projekt viste, hvordan moderne datavidenskab i høj grad kan øge effektiviteten af ​​konventionel forskning til søs, og forbedre produktiviteten af ​​interaktiv havbundsudforskning med den alt for velkendte "snubling i mørket"-tilstand. "Det er risikabelt at udvikle helt nye operationelle arbejdsgange, imidlertid, det er meget relevant til applikationer som havbundsovervågning, økosystemundersøgelse og planlægning af installation og nedlukning af havbundens infrastruktur, sagde Thornton.

Ideen bag denne Adaptive Robotics-mission var ikke at skrue op for strukturen af, hvordan tingene gøres til søs, men blot for at fjerne flaskehalse i strømmen af ​​information og databehandling ved hjælp af beregningsmetoder og kunstig intelligens. De anvendte algoritmer er i stand til hurtigt at producere simple opsummeringer af observationer, og danne efterfølgende implementeringsplaner. Denne måde, forskere kan reagere på dynamiske ændringer i miljøet og målområder, der vil føre til de største operationelle, videnskabelig, eller miljøledelsesgevinster.

Mere end 1,3 millioner havbundsbilleder blev indsamlet og algoritmisk analyseret for at finde biologiske hotspots og præcist målrette dem til interaktiv prøvetagning og observationer. De indledende havbundsbilleder blev optaget med et undervandsfartøj "Ae2000f" ved hjælp af højhøjde 3-D visuelle kortlægningskameraer på undervandssteder mellem 680 og 780 meters dybde. Det internationale team indsatte flere AUV'er, udviklet af University of Tokyo, som var udstyret med 3-D visuel kortlægningsteknologi udviklet i fællesskab af University of Sydney, University of Southampton, og University of Tokyo og Kyushu Institute of Technology som en del af et internationalt samarbejde.

Konverteringen af ​​de indledende bredarealundersøgelsesbilleder til tredimensionelle havbundskort og habitattyperesuméer ombord Falkor , gjorde det muligt for forskerne at planlægge de efterfølgende robotinstallationer for at udføre visuel billeddannelse med højere opløsning, miljø- og kemikalieundersøgelser, og fysisk prøveudtagning i områder af størst interesse, især ved de flygtige brændpunkter for biologisk aktivitet, der med mellemrum dannes omkring forbigående metansiv. Nitten AUV-udsættelser og femten ROV-dyk blev gennemført i alt under ekspeditionen, herunder flere multi-køretøjsoperationer.

Takket være hurtig behandling af data, et fotogrammetrisk kort over en af ​​de bedst undersøgte gashydrataflejringer blev færdiggjort. Dette menes at være den største 3D-farverekonstruktion af havbunden, efter område, i verden, måler mere end 118, 000 kvadratmeter eller 11,8 hektar, og dækker et område på ca. 500 x 350 meter. Mens den gennemsnitlige opløsning af de opnåede kort er 6 mm, områderne af mest interesse blev kortlagt med opløsning en størrelsesorden højere, hvilket ikke ville have været muligt uden evnen til intelligent at målrette de interessante steder med højopløsningsbilledundersøgelser og behandle de store mængder indsamlede data inden for få timer efter deres erhvervelse til søs.

Normalt, kort som dette ville tage flere måneder at behandle og først efter afslutningen af ​​en ekspedition, på hvilket tidspunkt videnskabsholdet ikke længere er på stedet, og levestederne kan allerede have udviklet sig eller udløbet. I stedet, forskerholdet var i stand til at komponere 3D-kortene om bord på Falkor få dage efter, at billederne er erhvervet. Det sammensatte kort blev brugt under ekspeditionen til at planlægge operationer, herunder genvinding af havbundsinstrumenter og var uvurderlig til at genbesøge specifikke steder, såsom aktive boblefaner, gør hele driften mere effektiv.

"Det er ret fantastisk at se så store områder af havbunden kortlagt visuelt, især kun dage efter, at rådata blev indsamlet. Det er ikke kun størrelsen på kortet, men også den måde, vi kunne bruge det til at informere vores beslutninger, mens vi stadig var på stedet. Dette gør en reel forskel, da teknologien gør det muligt at visualisere brede områder i meget høj opløsning, og også nemt identificere og målrette områder, hvor vi bør indsamle data. Dette har ikke tidligere været muligt, sagde Thornton.